YOLOv8工业场景微调实战：从3000张图到98.7准确率

项目背景

为食品包装企业做AI视觉合规检测系统，要求实时识别生产线员工是否佩戴口罩、手套、工作帽，以及监测危险操作行为（如用手直接触碰运转中的机器设备）。交付周期1.5个月。

最终基于YOLOv8微调，用3000张现场图片训练，达到98.7准确率、误报率小于2、单路30fps实时推理。

为什么选YOLOv8

工业场景的AI项目约束：

• 数据量有限：只有3000张标注数据
• 实时性要求高：延迟不能超过100ms
• 边缘部署：数据不能上云，必须本地推理
• 成本敏感：只能用Jetson Orin

YOLOv8在速度、准确率、数据效率上取得最好平衡。

数据采集与标注

1. 数据采集（7天，3218张）

• 时间覆盖：早班、晚班、夜班各2天
• 场景覆盖：不同光照、不同工位
• 人员覆盖：120名员工，每人至少15次
• 负样本采集：500张违规操作场景（配合演示）

踩过的坑：最初只采集正常场景，模型对未戴口罩召回率只有60。补充负样本后提升到95。

2. 标注策略（10天）

定义6个类别：person_mask_on/off、person_glove_on/off、person_cap_on/off。

外包标注2000张（0.5元每张），内部抽检20，剩余1200张内部标注保证一致性。

3. 数据集划分

按时间分层（而非随机）：训练集80、验证集10、测试集10，避免数据泄漏。

模型训练优化

1. 基线模型

YOLOv8n预训练微调，mAP50达91.3，但person_glove_off召回率只有68。

2. 优化策略

数据增强调整：减少色调变化（hsv_h从0.015降至0.005），减少缩放幅度（scale从0.5改为0.7），降低mosaic概率（从1.0改为0.5）。工业场景目标位置相对固定，不适合激进增强。

类别权重调整：person_glove_off样本只有400张，通过重复采样实现2倍权重。

模型升级：从YOLOv8n（3.2M参数）升级到YOLOv8s（11.2M参数），小目标检测能力提升明显。

3. 最终效果

• mAP50: 96.8（提升5.5个百分点）
• person_glove_off召回率: 89（提升21个百分点）
• 测试集准确率: 98.7
• 误报率: 1.8
• 推理速度: 30fps @ Jetson Orin

边缘部署优化

1. 模型转换

PyTorch转TensorRT（FP16），速度从12fps提升到30fps，精度损失小于0.5。

2. 多路并行处理

8路摄像头多进程并行推理，每路30fps，总延迟小于100ms。

3. 告警防抖

连续3帧（100ms）检测到违规才触发告警，60秒内同一人员不重复告警，避免误报骚扰。

上线效果

系统上线6个月运行稳定：

• 违规率从日均23次降至2.5次（下降89）
• 人工巡检工时从8小时降至2小时（降低75）
• 零误报投诉（初期调整阈值后解决）
• 质量追溯时间从2天缩短至10分钟

核心经验总结

1. 数据质量大于数据量：3000张高质量数据足够，关键是场景覆盖全面
2. 负样本很重要：违规操作样本必须充足，否则召回率会很低
3. 工业场景慎用激进数据增强：色调、缩放增强可能破坏关键特征
4. 边缘部署必须做TensorRT优化：否则实时性无法保证
5. 告警逻辑需要业务理解：单帧检测结果不能直接用，必须加时间窗口过滤

未来优化方向

• 增加姿态检测（检测危险操作，如爬高、弯腰）
• 增加ReID（跨摄像头追踪同一员工）
• 模型蒸馏（进一步降低推理延迟到单路60fps）

作者：黑龙江洋葱日记科技 AI工程团队
联系：od@hljycrj.com